Solar radiation forecasts are important for predicting the amount of ice on road and the potential solar energy. In an attempt to improve solar radiation predictability in Jeju, we conducted machine learning with various data mining techniques such as tree models, conditional inference tree, random forest, support vector machines and logistic regression. To validate machine learning models, the results from the simulation was compared with the solar radiation data observed over Jeju observation site. According to the model assesment, it can be seen that the solar radiation prediction using random forest is the most effective method. The error rate proposed by random forest data mining is 17%.

본 연구는 기계학습적 접근법인 LASSO 기법을 우리나라 TIMSS 2011 중학교 2학년 자료 에 적용하였다. TIMSS의 100개의 설명변수를 모형에 모두 투입하여 22개 변수를 선택하였을 때, 이 모형의 예측정확도는 약 80%였다. 학생의 수학적 자기효능감, 수학에 대한 태도, 어머 니의 교육 수준, 그리고 가정 보유 장서 수와 같은 가정의 교육자원 변수가 학생의 수학 성취 수준에 영향을 미치는 것으로 나타났으며, 이는 기존 연구 결과와 일치하였다. 본 연구에서 학 생의 수학 성취수준과 관련과 있다고 새롭게 탐색된 변수로 수학숙제 시간, 학생의 과학적 자 기효능감, 과학숙제 부여 빈도 등이 있었다. 연구 함의 및 향후 연구 주제 또한 논의되었다.

A novel disaggregation model that combines a machine learning model and kriging of residuals is presented to map precipitation at a fine scale from coarse scale precipitation data. Random forest (RF) and fine scale auxiliary variables are used to estimate trend components at a fine scale. Residual components are then estimated by area-to-point residual kriging. A case study of spatial disaggregation of TRMM monthly precipitation data acquired over the Korean peninsula is carried out to illustrate the potential of the presented disaggregation method. From the evaluation results, the presented method outperformed the RF-based disaggregation method that only considers trend components and ignores residual components, in terms of accuracy statistics and the ability of coherent predictions. This case study indicates that accounting for residual components by applying a proper spatial prediction method such as area-to-point kriging is very important in spatial disaggregation of coarse scale spatial data, even though advanced regression models such as RF could have high goodness of fit for the quantification of relationships between a target attribute and auxiliary variables.

본 논문은 기계학습 기법을 이용한 게임 캐릭터를 제어하는 엔진을 설계하고 구현하는 것을 제안한다. 제안된 엔진은 실제 게임에서 상황 데이터를 추출하여 지식 데이터로 사용하므로 지능 캐릭터의 행동 패턴을 게이머들이 쉽게 인식하지 못하는 장점이 있다. 이를 위하여 상황 데이터를 추출하여 학습하는 모듈과 임의의 상황 데이터에 대하여 최적의 상황 제어를 판단하는 시험 모듈을 개발하는 것을 제안하였다. 구현된 엔진은 FEAR에 이식되고 Quake2 게임에 적용되었다. 또한 개발된 엔진의 올바른 동작과 효율성을 위하여 다양한 실험을 하였다. 실험으로부터 개발된 엔진이 올바르게 동작할 뿐만 아니라 제한된 시간 내에 효율적으로 동작함을 알 수 있었다.